Fraunhofer-Institut für Integrierte Schaltungen IIS
Mit steigernder Anzahl an Sensoren wird es zunehmend schwieriger, die richtigen Schlüsse aus der Flut an verfügbaren Informationen zu ziehen. Methoden der Datenanalyse wie z.B. maschinelles Lernen kann dabei helfen, essentielle Gesetzmäßigkeiten in den Daten zu erkennen und diese schließlich dazu zu nutzen, um bessere Produkte und bessere Sensorik zur Verfügung zu stellen, die schließlich Geschäftsprozesse optimieren.
Unsere grundlegende Motivation besteht darin, robuste Tracking-Algorithmen und Datenanalyseverfahren mittels maschinellem Lernen aber auch statistischer Methode zu entwerfen und nutzbar zu machen. Ein großer Fokus liegt hierbei aber auch auf hybriden Verfahren, die sich die Vorteile beider Welten zu Nutze machen.
